2026年深度神经网络模型优化与调优试题（含标准答案及解析）.docxVIP

2026年深度神经网络模型优化与调优试题（含标准答案及解析）

考试说明：本试卷适配人工智能、深度学习、计算机相关专业期末考核、技能等级考试、就业笔试，聚焦神经网络训练优化、超参数调优、过拟合解决、优化算法、模型轻量化等2026年核心高频考点，满分100分，考试时长120分钟。

题型分布：单项选择30分、判断题20分、简答题30分、综合应用题20分

一、单项选择题（共15题，每题2分，共30分）

1.深度神经网络训练中，出现训练集精度极高、测试集精度极低的现象，属于（）

A.欠拟合

B.过拟合

C.梯度消失

D.梯度爆炸

答案：B

解析：过拟合核心特征是模型过度学习训练集噪声，泛化能力差，训练效果好、测试效果差；欠拟合为训练、测试效果均较差。

2.下列优化器中，具备自适应学习率、收敛速度更快，是当前深度学习主流优化器的是（）

A.SGD

B.Momentum

C.Adam

D.RMSprop

答案：C

解析：Adam结合动量机制与自适应学习率优势，兼顾收敛速度与稳定性，是CNN、Transformer等模型的主流优化器。

3.针对神经网络梯度消失问题，最有效的激活函数是（）

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

答案：C

解析：Sigmoid、Tanh易出现深层梯度消失；ReLU单侧线性特性，有效缓解梯度消失，是隐藏层首选